A IA generativa encontrou rapidamente seu caminho em muitos setores, em parte graças a seu resumo e habilidades de conversação. Agora, em um desenvolvimento recente, a Amazon começou rolando lançou um novo recurso que aproveita a IA para resumir as avaliações dos usuários, fornecendo aos usuários uma ideia geral dos prós e contras de um produto, além de economizar um tempo valioso.
De acordo com a Amazon, esse recurso passou por testes iniciais há vários meses e, após feedback positivo, agora está sendo apresentado a um grupo seleto de usuários nos Estados Unidos. Em termos de funcionalidade, os resumos de revisão gerados por IA funcionarão de maneira semelhante aos resumos “Consenso da Crítica” e “Diz do Público” em plataformas como o Rotten Tomatoes. Por exemplo, se um usuário está pensando em comprar uma nova smart TV LG e não tem certeza sobre o feedback do usuário. Eles podem usar o recurso de resumo gerado por IA, que destacará os atributos positivos e negativos dos produtos.
Em um esforço para fortalecer ainda mais o recurso de resumos de IA, a Amazon também está implementando tags clicáveis que atuam como auxílios à navegação, destacando temas proeminentes e palavras-chave comuns reunidas no conjunto de análises de clientes.
Comentários de usuários falsos
Embora os esforços da Amazon para fornecer resumos de avaliações gerados por IA sejam um passo na direção certa, as lutas da empresa com avaliações falsas podem minar todo o ponto. Isso ocorre porque, se as avaliações dos clientes forem falsas e promoverem falsamente o produto, os resumos de IA também transmitirão a mesma narrativa. No entanto, é importante observar que a Amazon reconheceu essas preocupações e afirmou que depende exclusivamente de informações derivadas de compras verificadas. Além disso, em casos duvidosos, a Amazon diz que empregará investigadores humanos equipados com ferramentas avançadas de detecção de fraudes. para analisar e neutralizar instâncias de feedback fabricado.
“Continuamos a alocar recursos substanciais para combater proativamente as avaliações falsas. Isso abrange modelos de aprendizado de máquina que examinam milhares de pontos de dados para identificar riscos potenciais, incluindo relacionamentos de contas, atividades de login, históricos de revisão e outros indicadores de comportamento incomum”, diz a Amazon.